原副标题:天然资源 | 用Python和NumPy自学《广度自学》中的数学分析此基础
LizierKDnuggets
作者：Hadrien Jean
电脑之心重新整理
参予：刘晓坤
责任编辑系法国巴黎高等师范师专大三教授 Hadrien Jean 的一则此基础自学网志，其目地是协助新手/高阶新手如前所述广度自学和电脑自学来掌控数学分析的概念。掌控那些专业技能能提升你认知和应用领域各式各样统计数据自然科学演算法的潜能。
对新手来说，《广度自学》（Ian Goodfellow、Yoshua Bengio、Aaron Courville）中的方法论此基础部份可能将过分隐晦。译者依照这两本书的第一章的数学分析文本来逐个如是说电脑自学中的数学分析此基础，听众能在全书、英文翻译版或英文讲义中查阅每一拍子的此基础如是说，或间接参照该网志的推论部份。译者除对部份基本概念展开详尽推论之外，还加进了数个实例，并得出了 python/numpy 的同时实现标识符。
网志门牌号：https://hadrienj.github.io/posts/Deep-Learning-Book-Series-Introduction/
GitHub 门牌号：https://github.com/hadrienj/deepLearningBook-Notes
《广度自学》英文版下载门牌号：https://github.com/exacity/deeplearningbook-chinese
《广度自学》第一章目录。
网志目录。
纯符号的公式推论可能将令人觉得过分抽象，在网志英文翻译者一般先列出具体案例，再得出符号表述。
例如，用带彩色的数字方阵来解释基本定义：
标量、向量、矩阵、张量的区别。
符号表述：
再得出 python/numpy 实例标识符：
用 numpy 构建数组。
对某些运算关系，译者得出了直观可认知的图示：
单位圆和由矩阵 A 变换后的椭圆，其中的向量是 A 的两个特征向量。
对某些较为复杂的对象，译者还得出了函数可视化和交互界面。例如，在特征值分解的二次型变换问题中，二次型函数
其正定型、负定型、不定型的可视化：
正定型函数的交互界面：
最后一个拍子的 PCA（主成分分析）问题，是对之前如是说基本概念的综合运用，听众能将其作为自主练习。
PCA 作为坐标系统变换问题。
协方差矩阵的特征向量。
旋转统计数据以在一个轴上得到最大方差。
祝大家自学愉快！
原文链接：https://www.kdnuggets.com/2018/05/boost-data-science-skills-learn-linear-algebra.html
